基于视频的车辆检测定位系统的设计

       基于视频的车辆检测与定位技术作为ITS的关键技术，处于ITS的底层，是整个系统的数据来源，其检测与定位的准确性，直接影响后续目标跟踪、特征提取及图像理解的效果，在ITS中起着决定性的作用。
       论文的主要研究工作如下:
        (1)预处理阶段引入了Retinex图像增强理论，消除因天气状况、光线变化、树木晃动及摄像机抖动等因素对采集到的交通图像所带来的噪声，实验验证相对于直方图均衡化和基于全局特征的Retinex图像增强，基于局部特征的Retinex图像增强不仅提高图像对比度，而且能最大化保留图像细节。
        (2)针对混合高斯分布背景模型法不能满足实时性要求，本文提出了动态选取高斯模型数的改进方法，实验验证表明所提出的改进方法能够显著地提高运算效率。
        (3)前景目标的提取对于视频检测至关重要，在前背景分离过程中，本文引入了最大类间方差法(Otsu)进行二值化处理，并采用形态学滤波算法对前景二值图中的孤立噪声点与实体内部空洞进行去除，实验验证表明该算法可以准确有效地提取前景运动车辆。
        (4)针对视频对象的平面空域连通性差，分水岭算法和区域生长法对运动目标存在误定位的问题，本文提出了改进的两步区域生长法，通过超像素集概念，扩大邻域影响范围，将属于同一运动对象的远距离像素关联起来，实现正确定位目标位置;通过标记运动目标质心，引入质心关联算法，实现目标初步跟踪。

1   课题研究背景及意义

       21世纪的社会，经济迅猛发展使人们生活水平不断提高，汽车也不再是一件奢侈品，而是成为千家万户的必需品，在交通运输中起着越来越重要的作用。但同时一系列的问题如道路交通拥挤加剧、交通事故频繁、能源浪费严重、环境质量恶化等，伴随着汽车数量的增加而成倍严重。
       目前解决上述问题的办法主要有三种:一是利用现有的国土资源，继续修建、扩建公路，但这会在经济、环境和土地上受到限制;二是施行新的交通管制方法，如实行车辆单、双号行驶，限制私人车辆出行等，降低交通需求。该方法虽然有效，但容易引起公众的反对和不满，一般不经常采用;三是采用先进的计算机技术、通信技术和控制技术最大限度的利用现有的道路资源，于是智能交通系统(Intelligent Transport System，简称ITS)的概念应运而生。
        在智能交通系统中，目标检测与目标定位的对象即为交通场景中运动的车辆，因此这两部分即为车辆检测与车辆定位，是本文研究的重点内容。

2   国内外研究现状

       随着计算机技术、图像处理技术的发展，视频处理技术正逐步运用于交通管理体系中，基于视频的车辆检测与定位作为关键技术，也成为主要的发展方向。与传统检测与定位方式相比，基于视频的车辆检测与定位方法有着明显的优势。
    (1)可以更加全面、准确的获取各种所需的相关交通信息;
    (2)可以监控多个车道，利于大区域检测;
    (3)设备安装和调试容易，维护简单，可扩展性强，使用寿命长;
    (4)可以实时检测分析，也可以将信息存储后离线进行分析处理;
    (5)摄像机可重新校准，检测区域的设置也更加灵活。
       基于以上优点，世界各国逐渐意识到智能化交通管理将是社会发展的必然，纷纷投入巨大的人力、物力进行该方面的相关研究。由于日本人口密度及国土的原因，在交通管理方面的投入最大，因此在这方面的技术处于世界领先地位。进入80年代后，随着计算机运算能力的增强以及小型机的普及，使计算机和模式识别的研究进入空前活跃的程度，自然，也对基于视觉的智能交通系统的研究形成了巨大的推动力量。
       虽然我国这方面的研究起步较晚，但近年来越来越多的机构开始参与这方面的研究，并取得了较大的发展。国内一些产品都较好的实现了视频检测的功能，但是功能都比较单一，在实际的推广中效果并不明显，远远没有达到实际应用的要求，同国外的产品相比还有很大的差距。

2.1   运动目标检测算法

       目标检测处于智能交通系统的底层，其目的就是在视频交通序列图像中判断是否有前景运动车辆，如果有则将其从背景图像中提取出来。然而由于采集到的视频图像，容易受到外界光线变化、背景扰动以及摄像头抖动等影响，使得检测成为一项非常困难的工作。目前常用的运动目标检测算法有:帧间差分法、光流法和背景差分法等。  

2.2   运动目标定位算法

         运动目标定位处于运动目标检测与运动目标跟踪之间，它们之间的界限不是非常明确，因此目标定位有时被划分为目标检测部分，有时被划分为目标跟踪部分。所以目前专门针对运动目标定位的研究还不多。主要有两类方法:投影分析法和连通区域分析法。

3   本文主要研究内容

       本文采用最常用的背景差分法完成车辆检测及定位流程:由摄像头采集到的道路交通图会受到光线、天气等的影响，在视频图像上表现为噪声，降低了图像质量，因此本文在预处理部分使用Retinex算法进行图像增强。由于我国主要是混合交通，交通道路上不仅有车辆还有行人，需要建立一种复杂的背景模型并及时更新，才能更加准确的描述道路场景，因此本文使用混合高斯分布模型法建立背景，并提出了局部背景更新方法。在前景车辆检测模块，引入Otsu算法计算阂值进行二值化。往往经过闭值化后的运动前景图像，会存在一些孤立点或者实体内部出现空洞的情况，降低了视频对象平面的空域连通性，本文使用形态学滤波算法进行后处理。最后，对运动前景二值图进行目标定位，用最小外接矩形框标出，通过矩形框计算运动目标质心，应用质心关联算法完成运动目标初步跟踪。